應用于嵌入式視頻監(jiān)控的碼本建模方法研究.pdf

1、目標檢測是智能監(jiān)控系統(tǒng)最基礎和關鍵的任務。目標檢測指從視頻序列中分割出前景運動目標的過程。在實際生活的應用場景中,背景往往比較復雜,為了滿足人們生活等各方面的需要,需要將算法應用到嵌入式監(jiān)控系統(tǒng)中。因此在復雜背景下提高系統(tǒng)的實時性和準確率成為了目標檢測算法研究中至關重要的問題。本文在研究前人碼本算法的基礎上對該算法進行了進一步的改進,算法主要提高了檢測實時性。本文做的主要工作分為三個部分,第一是對前人算法的研究,第二是改進算法的具體實現(xiàn)

2、,第三是用實驗結果來驗證算法的有效性。具體如下:
　　1.本文以解決嵌入式系統(tǒng)中目標檢測算法無法在復雜背景下滿足實時性高,算法復雜度小,檢測效果好的問題,對現(xiàn)有的目標檢測算法進行了深入的研究。根據(jù)實驗結果系統(tǒng)的總結了現(xiàn)有的目標檢測方法:幀差法、光流法、背景差法的優(yōu)缺點,并比較了背景差法中的平均算法,混合高斯法,碼本算法的優(yōu)缺點。
　　2.根據(jù)前人的研究,本文提出的嵌入式碼本目標檢測算法先將RGB空間的視頻序列轉換到YCrCb

3、空間。然后在背景建模中用幀差圖像得出粗糙的背景像素聚類成精確的碼本背景模型,在目標檢測階段中,用新輸入的視頻幀與訓練好的模型比較,將前景從背景中分割出來,并實時更新背景模型。
　　3.隨著linux系統(tǒng)在嵌入式系統(tǒng)的的廣泛運用,我們在linux系統(tǒng)下利用OpenCV開源視覺庫實現(xiàn)了運動目標的檢測,完成了將OpenCV移植到linux系統(tǒng)中的任務。最后對本文的檢測算法進行演示和分析,驗證了算法的有效性。實驗結果表明該方法背景建模速度